基于改进的k均值聚类和数学形态学的彩色眼科图像病灶分割.pdfVIP

第 卷 第 期 中 国 生 物 医 学 工 程 学 报 # BCDE.CE# 年 月 !! ! 456.7879:;,.0:=6:?7@6407.A6.77,6.A :FGCHIJ!! %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 文章编号： （ ） !#$%$!!!%!#%’’(%!) 基于改进的 均值聚类和数学形态学的 ! 彩色眼科图像病灶分割 王兴伟， 沈兰荪， 卫保国， 刘党辉 （北京工业大学信号与信息处理研究室，北京 ） !!! 摘 要： 病灶面积的定量化研究在眼科临床上具有重要的意义，为此首先需要把病灶从眼科图像中分割出 来。已有的分割算法未充分利用眼科图像的整体信息，不适用于角膜病灶的分割。因此，本文提出了一种新算法： 首先利用改进的 均值算法，对色度和亮度进行聚类，再通过数学形态学运算分割角膜病灶。实验结果表明，该算 *% 法能有效地分割出彩色眼科图像中的病灶。 关键词： 均值聚类算法；色彩分割；亮度分割；数学形态学 *+ 中图分类号： ； 文献标识码： ,($ -.// 0 # 引言 图像分割是图像处理和视觉研究中的基本技术，是大多数图像分析及视觉系统的重要组成部分。同时， 图像分割又是计算机视觉研究中的公认难题，因为图像分割的质量将直接影响到以后的图像分析、理解与认 识的进行。 通常的彩色图像分割或者利用颜色信息进行分割或者利用亮度信息进行分割，这两者都未充分考虑彩 色图像的整体信息，从而影响了分割效果。文献［］和文献［］在分割彩色图像时，只考虑了颜色信息，而忽 略了亮度信息。文献［］分割彩色图像时，只考虑了亮度信息。文献［］虽然将二者结合起来，但是将亮度和 ( ’ 饱和度作为一个向量进行聚类，这不仅增加了运算的复杂度，而且由于运算结果仅是简单的交集，所以聚类 ［］ 结果并不准确。研究证明，仅通过颜色聚类，再利用阈值法进行病灶分割的方法# ，没有充分利用彩色图像 的整体信息，分割效果并不理想。本文提出了一种首先对亮度信息进行预处理，再利用改进的 均值算法 *+ 对色度和亮度进行聚类，然后进行数学形态学运算的病灶分割的新算法。 均值聚类算法 $ ! （）选取 个聚类中心： ， ，…， ，（上角标记为聚类中的迭代次数）。 ! # （）对于样本 （设进行到第 次迭代） $ ! 如果 # # 则 # （） $ $ $ ) % ’ %! % ( %